Logo oddp

Observatorio de datos para descubrimientos de patrones sociales espacio-temporales en salud, movilidad y calidad del aire.

¿Qué hacemos?

NUESTRO OBJETIVO

Homologar la información de las bases de datos de salud y en específico las enfermedades respiratorias disponibles en datos abiertos y en datos de la Secretaría de Salud de la Ciudad de México (SEDESA) para generar series históricas y su relación con la exposición a contaminantes atmosféricos en conjunto con datos abiertos.


¿Por qué lo hacemos?

ANTECEDENTES

Este proyecto está dirigido hacia dependencias del sistema nacional de salud, mientras que los conjuntos de datos generados hacia investigadores interesados en las líneas de salud, calidad del aire, datos sociales y abiertos. Las dependencias de salud enfrentan, la carencia de una estrategia digital en datos, que ha derivado en tener dificultades para la gestión de grandes volúmenes de datos multidimensionales, que se sintetizan en: 1) sistemas heredados (con diferentes tecnologías y plataformas), 2) interoperabilidad multidimensional (diversas interfaces y motores de consultas), 3) Bases de datos aisladas. La integración de datos abiertos y de salud permitió identificar patrones espacio temporales y sus asociaciones con enfermedades. En particular, aquellas relacionadas con la contaminación del aire y con aspectos socioeconómicos de la población de la CDMX. Para lo cual se desarrollaron 4 subsistemas: 1) sistema integrador de datos en salud. 2) integrador de datos abiertos y calidad del aire (contaminantes criterios) 3) sistema de descubrimiento multidimensional de patrones socio-espacio temporales de salud, 4) sistema de visualización multidimensional. Los cuales en conjunto permiten desplegar y atender las problemáticas planteadas y de las cuales resaltan:

Sistemas heredados (con diferentes tecnologías y plataformas).

Interoperabilidad multidimensional (diversas interfaces y motores de consultas).

Bases de datos aisladas.


¿Cómo lo hacemos?

NUESTRO PROYECTO

El ecosistema mencionado representa un gran desafío, pero es también la oportunidad de solucionarlo a través de los paradigmas de Ciencias de Datos, el Big Data y las técnicas Geoespaciales. La integración de datos permitió atender consultas multidimensionales e identificar patrones espacio-temporales asociados con enfermedades. En particular, aquellas relacionadas con la contaminación del aire y/o la movilidad de los ciudadanos de la CDMX.

La solución final se compone de 5 subsistemas que están accesibles a continuación:

ACCESO A SISTEMAS

Conoce y navega por los sistemas que hemos desarrollado en nuestro observatorio.

Sistema Geoplataforma

Sistema que permite consultar datos de salud con un tablero y utilizando cartografía de diferentes proveedores.

Sistema Visualizador en series de tiempo de Datos de calidad del aire

Sistema que permite visualizar datos de calidad del aire, por estación y franja de horarios.

Sistema de análisis de salud Espacio Temporal y Social

Sistema visualizador espacio temporal, con mapas y tableros con datos abiertos y sociales para datos de salud, además de descarga de datos cartográficos y tabulares.

Sistema Visualizador de Modelos de Riesgo de defunción y severidad hospitalaria

Sistema de visualización interactiva de modelos de riesgo y severidad hospitalaria para diferentes enfermedades Modelos de riesgo de defunción y severidad hospitalaria.

Modelos de predicción del número de hospitalizaciones evitables

Sistema de visualización para la predicción del número de hospitalizaciones evitables.

PUBLICACIONES

Explora los resultados y descubrimientos en materia de ciencia de datos y salud a través de artículos seleccionados y desarrollados por el equipo del observatorio en el proyecto 7051.

Artículos
1. Conference CCE 2022 Exploring nonlinear effects of air pollution on hospital admissions by disease using gradient boosting machines Minutti-Martinez, C., Galindo, A., Valdez-Garduño, L. F., & Mata-Rivera, M. F. (2022, November). Exploring nonlinear effects of air pollution on hospital admissions by disease using gradient boosting machines. In 2022 19th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE) (pp. 1-6). IEEE.
2. Articulo A Geo-Social Characterization of Health Impact from Air Pollution in Mexico Valley https://www.hindawi.com/journals/misy/2022/5562317/ Autores: Roberto Zagal Flores,Christophe Claramunt,Miguel Felix Mata Rivera, Laura Ivoone Garay Jiménez,Hugo Jiménez Hernández, Ana Marcela Herrera Navarro,and Amadeo José Argüelles Cruz Fecha: 29 Aug 2022
3. Spatio-Temporal Analysis in Open Dataset from Respiratory Diseases Méndez, J. A. M., Huerta, J. G. S., Navarro, Y. E. G., Flores, R. Z., Salgado, E. A. C., Lugo, G. G., & Rivera, M. F. M. (2022, October), Proceedings (pp. 451-465). Cham: Springer International Publishing
4. M-health system for cardiac and COVID patient monitoring using body sensor networks and machine learning. https://ipn.elsevierpure.com/es/publications/m-health-system-for-cardiac-and-covid-patient-monitoring-using-bo Autores: Beltrán-Chávez, F., Mata-Rivera, F., Rivero, M., Torres-Ruiz, M., Zagal-Flores, R., Guzmán, G., & Quintero, R. fecha: 2022.

DIFUSIÓN

Aprovechamos los medios de comunicación para llevar nuestras investigaciones a una audiencia más amplia. Explorar algunas de las notas en las que se menciona nuestro proyecto.

Publicación Medio Fecha
Especialistas exponen avances del Pronaii de Ciencia de Datos y Salud. Comunicado 282 Conacyt 25 FEB 2022
Analizan con Big Data factores de enfermedades respiratorias. Selección Gaceta Politécnica No. 145 31 DIC 2021

PROPIEDAD INTELECTUAL

Buscando proteger y reconocer la propiedad intelectual de nuestras innovaciones y avances en la investigación, algunos de nuestros desarrollos se encuentran en proceso de registro de derechos de autor.

Producto Detalles
Programa anonimización XX-XX-XX
Análisis respiratorias XX-XX-XX
Análisis Cancer XX-XX-XX
Análisis Diabetes XX-XX-XX

EVENTOS

CONCIAS: Conferencias en Ciencia de datos, Inteligencia Artificial y Salud

CONCIAS es un evento que se enfoca en proyectos para resolver problemas nacionales a través de la aplicación de la Inteligencia Artificial, con énfasis en la ciencia de datos aplicada a la salud. Ven y descubre cómo la innovación y la tecnología están transformando el panorama de la salud en nuestro país. ¡Únete a nosotros en este evento único y descubre cómo estamos mejorando la calidad de vida a través de la investigación!

DATOS ABIERTOS Y APIS

Los datos obtenidos y el software desarrollado en este proyecto. Son valisos para la comunidad científica y para aquellos interesados en explorar los resultados o reutilizar los datos desde diferentes perspectivas.

Se encuentran disponibles en la plataforma ENI salud del CONACYT

Datos Descargar
Enfermedades respiratorias más comunes en el área metropolitana dividido por sectores. Descargar

COLABORADORES

Nuestro proyecto es un esfuerzo conjunto entre estudiantes e investigadores (niveles SNI 1 y 2) de diversas instituciones nacionales e internacionales, que trabajan en diferentes líneas de investigación, incluyendo Ciencia de Datos, GIS, Calidad del Aire, Enfermedades Respiratorias, Telemática e Inteligencia Artificial.

INSTITUCIONES

INVESTIGADORES

Etapa 1

Luis Fernando Valdez Garduño UPIITA-IPN
Carlos Minutti Martinez UPIITA-IPN
Juan Antonio Galindo Garcia UPIITA-IPN
Lilia Adriana Garcia Munguia UPIITA-IPN

INVESTIGADORES

Etapa 2

Jose Luis Jimenez Marquez UPIITA-IPN
Gerardo Sarabia Lopez UPIITA-IPN
Alain Menchaca Resendiz UPIITA-IPN
Grissel Rodriguez Roldan UPIITA-IPN
Lilia Adriana Garcia Munguia UPIITA-IPN
Roberto Eswart Zagal Flores UPIITA-IPN
Luis Angel González González UPIITA-IPN
Carlos Hernández Nava UPIITA-IPN
Sergio Landin UPIITA-IPN